{
      "creators": [
        {
          "nim": "22.55.1221",
          "name": {
            "honourific": null,
            "family": "Anton",
            "lineage": null,
            "given": "Tri"
          }
        }
      ],
      "uri": "http:\/\/eprints.amikom.ac.id\/id\/eprint\/31792",
      "date": "2024-01-25",
      "date_type": "published",
      "keywords": "Penyakit singkong, convolutional neural network, computer vision, image \r\nclassification, densenet, cassava diseases.",
      "metadata_visibility": "show",
      "department": "Pascasarjana Magister Informatika",
      "rev_number": 8,
      "title": "PENERAPAN TRANSFER LEARNING DENGAN INCEPTIONV3\r\nDAN\r\nEFFICIENTNET-B4\r\nPADA\r\nSTUDI\r\nKASUS\r\n\r\nKLASIFIKASI\r\nPENYAKIT\r\nPADA\r\nDAUN\r\nSINGKONG",
      "abstract": "Singkong adalah tanaman yang memiliki permintaan yang tinggi di Indonesia, ditandai\r\ndengan peningkatan tingkat produksi seiring waktu. Selain kuantitas, kualitas tanaman\r\nharus dijaga,  salah satunya dengan memperhatikan gejala penyakit. Gejala penyakit\r\nyang timbul pada daun  singkong dapat dideteksi dengan inspeksi visual. Tetapi,\r\ndiperlukan pengetahuan lebih untuk  membedakan gejala suatu penyakit dengan\r\npenyakit lainnya. Salah satu solusi dari masalah ini  adalah pemanfaatan convolutional\r\nneural networks (CNN) untuk klasifikasi penyakit. Penulis  menggunakan model CNN\r\nuntuk masalah ini. Parameter penilai kinerja model CNN yang  digunakan adalah\r\nakurasi, presisi, recall, dan F1-score. penelitian ini akan menggunakan dua  arsitektur\r\npada transfer learning, yaitu EfficientNet-B4 dan Inception-V3. Kedua arsitektur ini \r\nmasih jarang digunakan pada studi kasus terkait. Tujuan peningkatan jumlah parameter\r\nini  adalah untuk menemukan konfigurasi optimal pada optimizer dan learning rate\r\nyang dapat  memaksimalkan performa model. Dengan peningkatan jumlah parameter\r\ndan pemanfaatan dua  arsitektur pada transfer learning, diharapkan kemampuan model\r\ndalam menangani  kompleksitas masalah klasifikasi gambar daun singkong penyakit\r\ndapat ditingkatkan. Fokus  penelitian ini juga akan difokuskan pada penerapan\r\narsitektur EfficientNet-B4 dan Inception V3 dengan skema hyperparameter tuning\r\nuntuk meningkatkan performa model. Oleh karena  itu, penelitian ini diharapkan dapat\r\nmemberikan kontribusi yang lebih unggul dalam  pengembangan CNN untuk\r\nklasifikasi penyakit pada daun singkong, dengan performa yang  lebih baik dan lebih\r\nakurat.",
      "lastmod": "2026-06-29 04:27:59",
      "eprint_status": "archive",
      "ispublished": "pub",
      "thesis_type": "masters",
      "userid": 12,
      "type": "thesis",
      "contributors": [
        {
          "name": {
            "given": "Arief",
            "lineage": null,
            "honourific": null,
            "family": "Setyanto"
          }
        }
      ],
      "corp_creators": [
        "Universitas AMIKOM Yogyakarta"
      ],
      "divisions": [
        "PJJ"
      ],
      "dir": "disk0\/00\/03\/17\/92",
      "full_text_status": "public",
      "documents": [
          {
            "security": "public",
            "uri": "http:\/\/eprints.amikom.ac.id\/id\/document\/319575",
            "language": "id",
            "files": [
                {
                  "filename": "22.55.1221 - Tri Anton.pdf",
                  "hash_type": "MD5",
                  "mtime": "2026-06-29 04:22:46",
                  "mime_type": "application\/pdf",
                  "hash": "5342e5a19e85b67eefd3f8a25463620b",
                  "datasetid": "document",
                  "objectid": 319575,
                  "filesize": 3458706,
                  "fileid": 1131488,
                  "uri": "http:\/\/eprints.amikom.ac.id\/id\/file\/1131488"
                }
            ],
            "placement": 1,
            "docid": 319575,
            "pos": 1,
            "eprintid": 31792,
            "mime_type": "application\/pdf",
            "format": "text",
            "main": "22.55.1221 - Tri Anton.pdf",
            "rev_number": 2,
            "content": "published",
            "formatdesc": "THESIS"
          }
      ],
      "status_changed": "2026-06-29 04:27:59",
      "institution": "Universitas AMIKOM Yogyakarta",
      "eprintid": 31792,
      "subjects": [
        "000.000.000A",
        "000.000.005"
      ],
      "thesis_name": "tesis",
      "datestamp": "2026-06-29 04:27:59"
    }